Разработка систем управления модульными роботами сталкивается с серьезными трудностями, связанными с возможностью изменения конструкции у роботов данного типа и наличием большого количества степеней свободы. Целью данной работы является разработка универсальной системы управления модульными гиперизбыточными системами, способной самостоятельно находить способы управления роботами с произвольной конструкцией из некоторого заданного класса. Для решения задачи была предложена модель системы управления, использующая логико-вероятностные методы извлечения знаний из данных, адаптированные для задач управления. В соответствии с предложенным подходом задача обучения системы управления была сведена к задаче поиска закономерностей в массиве статистических данных о взаимодействии системы с окружающей средой. Для решения проблемы независимости системы управления от выбранной конструкции робота было предложено включить в обучающую информацию данные о конструкции, заданные в виде дерева элементов, описывающего пространственное соединение модулей друг с другом. Использование данной информации в процессе обучения позволяет системе управления самостоятельно настраиваться на управление роботом независимо от его конструкции. Для проверки работоспособности и эффективности предложенной модели были проведены эксперименты по обучению класса роботов с различными конструкциями способам передвижения вперед. Проведенные эксперименты подтвердили высокую скорость обучения и качество управления.

Демин Александр Викторович, канд. физ.-мат. наук, Институт математики им. С. Л. Соболева, Институт систем информатики им. А. П. Ершова, Российская Федерация, 630090, г. Новосибирск, пр. Лаврентьева, 6 тел.: (383)3306660, e-mail: alexandredemin@yandex.ru

Демин А.В. Адаптивное управление роботами с произвольно заданной модульной конструкцией // Известия Иркутского государственного университета. Серия Математика. 2019. Т. 29. С. 10-21. https://doi.org/10.26516/1997-7670.2019.29.10

1. Витяев Е. Е. Извлечение знаний из данных. Компьютерное познание. Модели когнитивных процессов. Новосибирск : НГУ, 2006. 293 с.
2. Демин А. В. Адаптивное управление роботами с модульной конструкцией // Системы управления, связи и безопасности. 2015. № 4. С. 180–197.
3. Демин А. В., Витяев Е. Е. Логическая модель адаптивной системы управления // Нейроинформатика. 2008. Т. 3, № 1. С. 79–107.
4. Демин А. В. Логико-вероятностный метод управления модульными роботами // Системная информатика. 2017. № 11. С. 61–79. https://doi.org/10.31144/si.2307-6410.2017.n11.p61-80
5. Brunete A., Ranganath A., Segovia S., de Frutos J.P., Hernando M., Gambao E. Current trends in reconfigurable modular robots design // International Journal of Advanced Robotic Systems. 2017. Vol. 14 (3). P. 1–21. https://doi.org/10.1177/1729881417710457
6. Christensen D. J., Bordignon M., Schultz U. P., Shaikh D., Stoy K. Morphology independent learning in modular robots // Proceedings of International Symposium on Distributed Autonomous Robotic Systems 8 (DARS 2008). 2008. P. 379–391. https://doi.org/10.1007/978-3-642-00644-9_34
7. Demin A. V., Vityaev E. E. Adaptive Control of Modular Robots // Biologically Inspired Cognitive Architectures (BICA) for Young Scientists, Advances in Intelligent Systems and Computing 636 / A. V. Samsonovich, V. V. Klimov (eds.). Springer, 2018. P. 204–212. https://doi.org/10.1007/978-3-319-63940-6_29
8. Demin A. V., Vityaev E. E. Learning in a virtual model of the C. Elegans nematode for locomotion and chemotaxis // Biologically Inspired Cognitive Architectures (2014). Elsevier, 2014. Vol. 7. P. 9–14. https://doi.org/10.1016/j.bica.2013.11.005
9. Ito K., Matsuno F. Control of hyper-redundant robot using QDSEGA // Proceedings of the 41st SICE Annual Conference (2002). 2002. Vol. 3. P. 1499–1504.
10. Kamimura A., Kurokawa H., Yoshida E., Tomita K., Murata S., Kokaji S. Automatic locomotion pattern generation for modular robots // Proceedings of 2003 IEEE International Conference on Robotics and Automation. 2003. P. 714-720.
11. Marbach D., Ijspeert A. J. Co-evolution of configuration and control for homogenous modular robots // Proceedings of the eighth conference on Intelligent Autonomous Systems (IAS8). IOS Press, 2004. P. 712–719.
12. Stoy K., Brandt D., Christensen D. J. Self-Reconfigurable robots: an introduction // Intellegent robotics and autonomous agents series. MIT Press, 2010. 216 p.
13. Valsalam V. K. Miikkulainen R. Modular neuroevolution for multilegged locomotion // In Proceedings of GECCO. 2008. P. 265–272. https://doi.org/10.1145/1389095.1389136
14. Yim M. H., Duff D. G., Roufas K. D. Modular reconfigurable robots, an approach to urban search and rescue // 1st International Workshop on Human Welfare Robotics Systems (HWRS-2000). 2000. P. 19–20.